Содержание
- 2. ПОНЯТИЕ КЛАСТЕРИЗАЦИИ Во многих прикладных задачах измерять степень сходства объектов существенно проще, чем формировать признаковые описания.
- 3. ЗАДАЧИ И УСЛОВИЯ КЛАСТЕРИЗАЦИИ Понять структуру множества объектов, разбив его на группы схожих объектов. Упростить дальнейшую
- 4. ПРИМЕНЕНИЕ КЛАСТЕРИЗАЦИИ Распознавание образов
- 5. ПРИМЕНЕНИЕ КЛАСТЕРИЗАЦИИ Распознавание образов
- 6. ПРИМЕНЕНИЕ КЛАСТЕРИЗАЦИИ Группировка объектов
- 7. ПРИМЕНЕНИЕ КЛАСТЕРИЗАЦИИ Классификация результатов поиска
- 9. ПРИМЕНЕНИЕ КЛАСТЕРИЗАЦИИ Сегментация изображений
- 10. ПРИМЕНЕНИЕ КЛАСТЕРИЗАЦИИ Сегментация изображений
- 11. ПРИМЕНЕНИЕ КЛАСТЕРИЗАЦИИ Кластеризация результатов поиска — используется для «интеллектуальной» группировки результатов при поиске файлов, веб-сайтов, других
- 12. ОБЩИЙ АЛГОРИТМ КЛАСТЕРИЗАЦИИ Выбор меры близости; Выбор алгоритма кластеризации; Представление полученных результатов;
- 13. МЕРЫ БЛИЗОСТИ Коэффициент сходства (также мера сходства, индекс сходства) — безразмерный показатель, применяемый для количественного определения
- 14. Обобщенный алгоритм Ллойда (Generalized Lloyd) или алгоритм k-средних (k-means) O(k*n*?) Метод k-средних – это метод кластерного
- 15. Обобщенный алгоритм Ллойда (Generalized Lloyd) или алгоритм k-средних (k-means) O(k*n*?) 2. Относим наблюдения к тем кластерам,
- 16. Обобщенный алгоритм Ллойда (Generalized Lloyd) или алгоритм k-средних (k-means) O(k*n*?)
- 17. Кластеризация объединением ближайших соседей (pairwise nearest neighbor) O(n2) Дано: n точек xi в многомерном пространстве, которые
- 18. Задача – разбить эти точки на два кластера
- 20. Скачать презентацию